تحلیل توانایی مدل میانگین متحرک جامع خود همبسته برای پیش‌بینی دو سال آینده‌ی جریان روزانه ورودی به مخزن سد دز

Authors: not saved

Abstract:

یکی از روش‌های معمول در پیش‌بینی جریان رودخانه‌ها، مدل‌های سری زمانی می‌باشند. در این تحقیق به منظور پیش‌بینی آبدهی روزانه‌ی ایستگاه تله زنگ واقع در بالادست سد دز از مدل میانگین متحرک جامع خود همبسته (ARIMA) استفاده شده است. با توجه به اینکه این داده‌ها دارای نوسانات فصلی می‌باشند، با بهره‌گیری از سری فوریه، شاخص‌های آماری آن‌ها، نظیر میانگین و انحراف معیار برای دوره 28 ساله با پریود 360 روزه برآورد شدند. سپس، داده‌های مشاهداتی آبدهی روزانه، توسط این شاخص‌های آماری استاندارد شدند. بررسی داده‌های استاندارد شده، نشان داد که روند فصلی داده‌ها، توسط عوامل محاسبه شده‌ی سری فوریه حذف شده است. در این تحقیق، برازش مدل‌های مختلف میانگین متحرک جامع خود همبسته به داده‌های استاندارد شده بررسی شده و درنهایت با استفاده از معیار آکائیک و در نظر گرفتن حداقل تعداد عوامل مدل‌ها، بهترین مدل انتخاب گردید. نتایج پیش‌بینی توسط مدل انتخابی نشان داد که این مدل توانسته است به طور نسبی روند آبدهی متوسط روزانه‌ی ورودی به مخزن سد دز برای دو سال آینده پیش‌بینی نموده و در مقایسه نتایج آن با تحقیقات گذشته نشان می‌دهد که میانگین قدر مطلق خطای نسبی پیش‌بینی آبدهی روزانه از12/3، به 6/0 تنزل پیدا کرده و طول دوره پیش‌بینی از ده روز به دو سال افزایش یابد.

Upgrade to premium to download articles

Already have an account?login

similar resources

مقایسه مدلهای خودهمبسته شبکه عصبی مصنوعی دینامیک و استاتیک در پیش بینی جریان ماهانه ورودی به مخزن سد دز

در مقاله حاضر قابلیت مدل خود همبسته شبکه عصبی مصنوعی دینامیک برای پیشبینی جریان ماهانه ورودی مخزن سد دز ارزیابی شده و نتایج به دست آمده با مدل خودهمبسته شبکه عصبی مصنوعی استاتیک مقایسه شده است. در تحقیقات قبل مقایسه مدل‌های استاتیک و دینامیک در شبکه‌های عصبی مصنوعی صورت نگرفته است. ضمناً تحقیق حاضر از حیث خودهمبستگی مدل شبکه عصبی مصنوعی، دارای نوآوری می‌باشد. در این تحقیق آبدهی های ماهانه بین ...

full text

مدل سازی دبی ماهانه ورودی به مخزن سد جامیشان با مدلهای خودهمبسته با میانگین متحرک تجمعی و سامانه استنتاج فازی -عصبی انطباقی

full text

بهبود طیف‌سنجی گاما در پایش هوایی پرتویی با استفاده از الگوی میانگین متحرک خود همبسته یکپارچه

The precise and timely manner modeling of received photon counts from gamma-ray sources has an important role in providing afore information for Airborne Gamma Ray Spectrometry (AGRS). In this manuscript, the Auto-Regressive Integrated Moving Average (ARIMA) model has been used to model AGRS. The proposed method provides gamma source and environmental disturbances ARIMA model, using known radio...

full text

ارزیابی رویکرد پیش‌پردازش میانگین متحرک در تدقیق پیش‌بینی جریان ورودی به سدها توسط مدل رگرسیون بردار پشتیبان

پیش‌بینی دقیق هیدرولوژیکی یک ابزار کلیدی در برنامهریزی‌های منابع آب است. از این‌رو در این مقاله با بهرهگیری از مدلهای رگرسیون بردار پشتیبان (SVR)، رگرسیون چند متغیرهی خطی (MLR)و خود همبسته‌ی میانگین متحرک (ARMA)، جریان ورودی به سدهای بختیاری و رودبار لرستان پیشبینی شده است. به منظور پیشپردازش دادههای ورودی مدلها از رویکرد میانگین متحرک استفاده شد. برای ارزیابی کارایی مدلها از معیارهای...

full text

مقایسه مدلهای خودهمبسته شبکه عصبی مصنوعی دینامیک و استاتیک در پیش بینی جریان ماهانه ورودی به مخزن سد دز

در مقاله حاضر قابلیت مدل خود همبسته شبکه عصبی مصنوعی دینامیک برای پیشبینی جریان ماهانه ورودی مخزن سد دز ارزیابی شده و نتایج به دست آمده با مدل خودهمبسته شبکه عصبی مصنوعی استاتیک مقایسه شده است. در تحقیقات قبل مقایسه مدل های استاتیک و دینامیک در شبکه های عصبی مصنوعی صورت نگرفته است. ضمناً تحقیق حاضر از حیث خودهمبستگی مدل شبکه عصبی مصنوعی، دارای نوآوری می باشد. در این تحقیق آبدهی های ماهانه بین ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

مهندسی آبیاری و آب ایران

volume 2 issue 1

pages 46- 57

publication date 2011-11-22

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

آریما (ARIMA) پیش‌بینی جریان روزانه روند فصلی داده‌ها سری فوریه سد دز

Hosted on Doprax cloud platform doprax.com